改进的自适应遗传算法在皮革裁剪路径优化中的应用研究.pdf

《改进的自适应遗传算法在皮革裁剪路径优化中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、改进的自适应遗传算法在皮革裁剪路径优化中的应用研究六口赵燕伟口卢东口杨伟波浙江工业大学机械制造及自动化教育部重点实验室杭州310014摘要：针对皮革数控裁剪机加工效率不高的问题，提出了一种基于动态规划与新自适应遗传算法相结合的路径优化算法。通过对切割轮廓序列的动态规划全局最优性分析，得到一条最短的走刀路径，再采用新自适应遗传机制及动态规划由此路径构建新的走刀路径，如此反复迭代，最终得到一条多轮廓的全局最优路径。实验结果表明，该方法求解的结果比其它优化算法更能接近全局最短路径。关键词：GTSP问题动态规划法遗传算法自适应机制中图分类号：TP237．

2、2；0224文献标识码：A文章编号：1000—4998(2010)10—0022—04在皮革数控裁剪机的多轮廓数控加工中，一般每径的优化方法，从路径的全局性及算法简单性、高效性个排样文件常常就有几十个甚至上百个样片零件。而上做进一步的研究。走刀路径主要由各裁片轮廓的加工有效行程和在不同1问题的描述轮廓之间的辅助快速进给空行程构成。对于各轮廓的加工，其总的有效裁剪行程是一定的，而走刀空行程则裁剪机的加工路径是指裁刀从机床原点开始，按随着遍历样片的轮廓的排列顺序、轮廓加工起点位置照轮廓的切割顺序，从相应的轮廓下刀点落刀，沿着轮的不同而变化。当布料、皮

3、革等大批量加工时，加工路廓轨迹进行逐一切割。根据路径优化的目标，可以建立径将成为影响加工效率的重要因素，因此，需要对走刀如下数学模型：n个裁片可以表示为n个城市集V=路径进行优化。而这个问题可以归结为广义旅行商问{，，⋯，}，其每个城市集有m个不定城市组成，题(GTSP)。={c，c，⋯，c}。欲求从机床原点起，经过各个城对GTSP问题，目前常见解决方法是把多轮廓的市集中的任何一个城市，最终回到机床原点所构成的刀具路径优化问题直接简化为TSP问题来处理⋯l2l，从最小Hamilton路。而忽略了轮廓加工起点的变化问题对路径的影响；余由于城市集在所

4、有城市集中的排列顺序位置国兴等人13提出了一种先用时间复杂度为O(n)的最不确定，因此首先确定一条轮廓集的排列顺序(0，，近邻算法，求得轮廓原始起点的轮廓加工顺序，再用时2，⋯，‰，n+1)，1n，且≠≈，其中，代表城间复杂度为D(n)方法指派轮廓起点，形成的两步优市，从这条排列好的加工顺序中选取一条最短化近似算法，忽略了轮廓起点对加工顺序的影响；Pet—Hamilton回路记为厶，求所有轮廓的排列序列得到的ricaCt1直接用数学规划法求解，对于大规模问题，需最短Hamilton回路，J，中的最小的L，即满足：要消耗大量的时间；ChunguoW

5、u博士所提出的广义，J(L)：rainD(L，)(1)染色体遗传算法(GCGA)，是近年来求解GTSP问题最式中：D(￡)、D(厶)分别表示路径￡和厶的长度。好的方法之一，但存在全局收敛性较差的特点；季国顺2优化算法的设计等人[6提出了蚁群一最近邻两级组合优化算法，先采用蚁群算法搜索样片轮廓的排列顺序，再利用最近邻对多轮廓的加工路径优化问题，本文在路径编码算法在相邻轮廓上寻找裁剪起始点。由于最近邻算法(PathCoding)的方式下，采用了动态规划评价染色体是一种局部最优算法，因此，其优化的结果不能达到全个体适应度与新自适应遗传算法相结合的两级组

6、合优局最优解。化算法来彻底解决裁剪的全局路径优化问题。这里将虽然上述对于平面多轮廓的加工路径优化已经取对下刀点的动态规划、遗传算子、自适应机制作详细的得了一定的成果，但是还存在一定的问题。因此，本文介绍。基于动态规划和新自适应遗传算法提出了一种裁剪路2．1轮廓裁割下刀点的确定对于随机产生的一条轮廓加工序列，如：2～4—女浙江省重大科技攻关项目(编号：2009C11039)收稿日期：2010年5月6～3一l一8—5—7。要实现裁剪具体加工路径，必须对2010／10机械制造48卷第554期●．_l9I43l1I8l7【2l5l图图1插入到第7位一插入

7、置基因的前面多变段广『L———9—一—广JL———4————TJi—T——3———LI——1———厂『————8———厂——7—————fE露6焉l_L————2——『L_——]5__-『异图最短部分映射杂交(PMX)：通过随机地在父代中选取路径两个交叉点，并交换相应的子串，再根据子串内的城市确定部分映射，生成两个子个体(如图2所示)。V插入变异(IM)：从染色体中随机抽取一个基因随机插回到染色体中(如图3所示)。父染色体2．3自适应遗传机制在遗传算法的参数中，交叉率P。和变异率P的母染色体大小将会直接影响算法的收敛性及优化性能。交叉率．I1．交

8、叉：图P。决定了新个体产生速度，P越大，新个体产生的速2度就越快；反过来P过小，会使搜索速度缓慢，甚至停部滞不前。变异率P是决定算法跳出